在数据分析工作中，原始表格经常把说明性文字和数值挤在同一个字段里，例如“订单A123数量45元”“退回B9件”。如果要把其中的数字抽出来，再按指定顺序拼成“单号-数量”这样的新字符串，靠Excel手动分列效率极低。Pandas提供了基于正则表达式的字符串方法，可以在不写循环的情况下向量化完成提取与组合。
使用str.extract按捕获组提取数字
Pandas的Series.str.extract方法接受一个正则表达式，并且要求表达式中包含圆括号表示的捕获组。该方法会对每一行字符串进行匹配，把每个捕获组的内容作为一列返回。如果只想拿第一个出现的连续数字，可以用(d+)作为模式。这里d代表数字字符，加号表示至少一个。当某行没有匹配到时，对应位置会是NaN，因此后续组合前通常需要用fillna填补。
下面的例子展示从混合文本中抽取订单数字和数量数字两个分组，并合并为新字符串：
import pandas as pd
df = pd.DataFrame({
'raw': ['订单A123数量45', '退B9件', 'C888共12']
})
# 两个捕获组：订单数字、数量数字
ext = df['raw'].str.extract(r'([A-Za-z]+?)(d+).*?(d+)')
# ext列名默认为0,1,2，分别对应字母前缀、订单号、数量
ext.columns = ['prefix', 'order_no', 'qty']
ext['order_no'] = ext['order_no'].fillna('0')
ext['qty'] = ext['qty'].fillna('0')
df['new_code'] = ext['prefix'] + ext['order_no'] + '-' + ext['qty']
print(df)
这段代码中，正则([A-Za-z]+?)(d+).*?(d+)先用非贪婪字母捕获前缀，再抓订单号，最后用.*?跳过中间文字后抓数量。这种写法在结构相对固定时很方便，但如果一行存在多个相似数字块，extract只取首次匹配，可能漏掉后面的内容。此时要考虑extractall或者调整表达式。
extract与extractall在组合场景下的差异
str.extractall会返回多级索引的DataFrame，把所有不重叠的匹配全部列出，每一行原始数据可能对应多行结果。它适合从一个字段里掏出所有数字再自行挑选的场景。比如文本是“收入100支出50结余30”，用(d+)配合extractall会得到三行数字，之后可用groupby和agg拼成“100-50-30”。
对比来看，extract代码更短、结果宽表直观，但灵活度低；extractall信息全、便于统计，却要处理多重索引。实际项目中，若确认每行只需前两个数字，extract足够。若数字个数不固定，可先extractall展开，再用pivot或apply组合。下面示例用extractall把不定数量数字连成字符串：
import pandas as pd
df = pd.DataFrame({'txt': ['收入100支出50', 'A1B2C3', '仅文字']})
all_num = df['txt'].str.extractall(r'(d+)')
# all_num索引为(原行号, 匹配序号)
joined = all_num.groupby(level=0)[0].apply(lambda s: '-'.join(s))
df['nums'] = joined.reset_index(level=1, drop=True)
print(df)
上例中groupby(level=0)按原行聚合，apply里用join把数字用短横连接。对于没有数字的行，joined里不会有对应键，赋值后即为NaN，可再fillna成空串。这种组合方式比循环快很多，也避免了Python层逐个判断。
利用向量化运算拼接提取结果
提取出数字列以后，Pandas支持用加号直接对字符串Series相加，也可以使用str.cat方法。两者都向量化执行，比apply加Python字符串快。要注意参与相加的列必须都是字符串类型，若提取结果是对象型但含NaN，需先astype(str)或fillna。组合时还可插入固定分隔符，如冒号、下划线，满足下游系统编码规则。
当新字符串格式复杂，比如“NO{订单}-Q{数量}”，可用str.cat配合格式化，或先用加号拼好模板。下面的片段演示把订单与数量嵌入固定文案：
import pandas as pd
df = pd.DataFrame({'order': ['123', '9', '888'], 'qty': ['45', '0', '12']})
df['order'] = df['order'].fillna('0')
df['qty'] = df['qty'].fillna('0')
df['label'] = 'NO' + df['order'] + '-Q' + df['qty']
# 等价于使用str.cat
# df['label'] = df['order'].str.cat(df['qty'], sep='-', na_rep='0')
print(df)
这种写法把正则提取和字符串组合分成清晰两步，易于调试。若后期规则变化，例如要加日期前缀，只需修改拼接那一行。从维护角度看，比把正则和格式揉在一个大表达式里更稳妥。掌握上述方法后，面对各种脏数据中的数字抽取与重排需求，都能用少量代码解决。